带警戒限的合格品链长控制图

研究了两种带警戒限的合格品链长控制图,一种是一个链长控制图,另一种是两个链长控制图.首先,给出了这两种控制图的制定方法;其次,利用概率流图方法得到了这两种控制图的平均链长(ARL)的计算公式;最后,推导了它们效率的度量指标ANI(发信号之前的平均检验的样品数)的计算公式.     

基于定数截尾样本监控Weibull分布形状参数的控制图设计

基于定数截尾样本提出了单侧和双侧ARL无偏控制图监控Weibull分布形状参数的变化.提出的控制图仅依赖于样本容量n,失效数r和指定的受控平均链长ARL0.利用模拟方法研究了常见(r,n)组合下提出的控制图在失控状态下的平均链长性质.模拟结果显示,对于形状参数小和中等的向下飘移,文中提出的控制图要优于现有文献的结果.特别是对形状参数中等程度的向下飘移,当失效数r较大时,提出的控制图的平均链长比现有结果小了近一半.由于单侧控制图比双侧控制图能更快地发出报警信号,故建议应尽可能地使用单侧控制图监控形状参数变化.最后用一个例子说明了所提控制图的应用.     

高质量过程控制技术的比较研究与分析

随着质量改进活动的不断开展,现代制造过程中的不合格项在逐渐降低。在这种情况下,常规的休哈特型计数控制图往往是失效的。为了监控高质量的过程运行,一种方法是采用累计合格品计数(CCC)图;另一种方法是采用几何Q图,本文首先分析了这两种控制图的基本原理;进而以平均链长(ARL)和探测过程发生漂移的概率为准则,系统分析和比较了这两种控制图的性能,仿真结果表明,在大多数情况下,这两种控制图具有相似的性能;最后,通过实例说明了这两种控制图的应用,并给出了若干建议。     

监测L\'{e}vy稳定过程均值变点的平均运行时间估计

平均运行长度(时间) (ARL)是判断一控制图监测变点效果好坏的一个重要工具\bd 本文主要研究L\'{e}vy 稳定过程的均值变点监测问题\bd 我们给出了三个控制图, 即EWMA, GEWMA和GLR的ARL 估计, 并通过数值模拟比较了4个控制图监测均值变点的效果和差异.     

监测Lévy稳定过程均值变点的平均运行时间估计

平均运行长度(时间)(ARL)是判断一控制图监测变点效果好坏的一个重要工具.本文主要研究Lévy稳定过程的均值变点监测问题.我们给出了三个控制图,即EWMA,GEWMA和GLR的ARL估计,并通过数值模拟比较了4个控制图监测均值变点的效果和差异.     

自相关对常规控制图影响的模拟研究与案例分析

常规统计控制图的基本假设前提是观测值独立同分布,而在实际生产过程中,质量指标值常表现出自相关现象,违背独立性假定。本文运用平均链长(ARL)研究自相关过程为AR(1)时对常规控制图的影响,并比较了常规控制图和残差控制图对序列相关过程的控制效果。模拟结果和实例分析表明:当过程序列相关时,使用常规作图法估计出的标准差是有偏的,致使控制限设置错误和常规控制图检测能力降低。因此,在一些统计过程控制中,须考虑自相关现象并采用适当的控制图方法。     

关于累积和(CUSUM)检验的改进

对连续检验问题，常用的检测方法有三大类其一是众所周知的Shewhartt控制图，它是最常用的对生产过程进行连续监控的控制方法，不过，如果过程均值有小的漂移(即μ-μo小)时，Shewhart控制图的检验效果不是很好，除了Shewhart控制图外，另有二类常用的控制图法，其一是累积和控制图(CUSUM)，由Page^[1]基于似然比导出，其二是指数加权移动平均控制图(EWMA)，由Roberts^[2]给出，它们已被证明在检测小的漂移时效果不错。许多人对CUSUM与EWMA进行了比较，总的来说。最好的CUSUM与最好的EWMA在检测小的漂移方面难分优劣，但CUSUM是由似然比导出的，且其平均运行长度的计算相对来说要简便些，因此，CUSUM在与EWMA的比较中更具优势，应用更广．我们分析了CUSUM的导出过程和公式。指出CUSUM有二个可以进一步改进的方面在此基础上，我们给出了二个新的累积和检验统计量及其判断难则，它们分别是PCUSUM检验统计量Pn和DCUSUM检验统计量Sn．在连续检验问题中判断一个检验方法好坏的最重要的标难是其平均运行长度比较标难是在要求具有相同的受控状态下平均运行长度ARL0的条件下，比较其失控状态下的平均运行长度ARL1，ARL1越小越好我们对PCUSUM检验和DCUSUM检验都建立了其平均运行长度ARL的计算公式．通过对CUSUM，PCUSUM，DCUSUM的平均运行长度的比较我们发现我们提出的新的累积和控制方法确比原来的CUSUM有较大改进。     

单边合格品链长中位数控制图设计

针对过程数据存在异常值的问题,为了监控过程均值的偏移,采用中位数统计量(X)代替传统均值(X)统计量,提出了一种单边合格品链长X(Sided Sensitive Conforming Run Length X, SCRL & X)控制图。采用马尔科夫链方法研究了SCRL & X控制图的性能,首先推导出其一步状态转移矩阵,进一步根据马尔科夫链的性质得到其平均链长(Average Run Length, ARL)。为了获得控制图的最优设计参数和性能指标值,保证其处于过程受控状态下的性能,并使其处于过程失控状态下的平均链长最小。研究结果表明,提出的SCRL & X控制图的统计性能优于传统的双边合格品链长X(Conforming Run Length, CRL & X)控制图,尤其针对过程均值产生较小偏移的情形,其优势较为明显。     

基于样本广义方差的改进|S|~(1/2)控制图

以常用的广义方差为基础,利用矩估计的方法,从一组样本推广到多组独立样本,得出具有无偏控制限的改进|S|~(1/2)控制图,并对比说明了矩估计方法的简洁性和准确性.与标准|S|~(1/2)控制图相比,其具有更小的平均运行链长(ARL).结合实例,采用数值模拟的方法说明该控制图对过程中方差的漂移有较强的检测能力.     

改进型单边EWMA指数控制图设计

现代制造过程中,某些产品的不合格率非常低,通常将这类过程称为高质量过程。由于高质量过程中相邻不合格产品之间的时间间隔服从指数分布,可以通过指数控制图实现对过程状态的监控。因此,本文提出一种改进型指数加权移动平均(Improved Exponentially Weighted Moving Average,IEWMA)指数控制图,并采用蒙特卡洛仿真获得控制图的平均运行链长(Average Run Length,ARL),仿真结果表明该控制图的性能优于传统单边EWMA指数控制图,尤其针对过程中产生较小偏移的情形具有较好的检测性能。     

Economic design of an attribute control chart for monitoring mean life based on multiple deferred state sampling

In this paper, we design an attribute np control chart using multiple deferred state (MDS) sampling under Weibull distribution based on time truncated life test. This chart is constructed for monitoring the variation of mean life of the product in a manufacturing process. The optimal parameters of MDS sampling and the control limit coefficients are determined so that the in‐control average run length (ARL) is as close as to the target ARL. The optimal parameters of MDS sampling are sample size and number of successive subgroups required for declaring the current state of process. Out‐of‐control ARL is considered as a measure of the performance of proposed chart and reported with determined optimal parameters for various shift constants. The out‐of‐control ARL of the proposed chart obtained under various distributions is compared with each other. The performance of proposed control chart is compared with the performance of the existing control chart designed under single sampling. In addition, the economic design of proposed chart using variable sampling interval scheme is discussed, and sensitivity analysis on expected costs is also investigated.     

EWMA control charts for autoregressive processes

Many processes must be monitored by using observations that are correlated. An approach called algorithmic statistical process control can be employed in such situations. This involves fitting an autoregressive/moving average time series model to the data. Forecasts obtained from the model are used for active control, while the forecast errors are monitored by using a control chart. In this paper we consider using an exponentially weighted moving average (EWMA) chart for monitoring the residuals from an autoregressive model. We present a computational method for finding the out-of-control average run length (ARL) for such a control chart when the process mean shifts. As an application, we suggest a procedure and provide an example for finding the control limits of an EWMA chart for monitoring residuals from an autoregressive model that will provide an acceptable out-of-control ARL. A computer program for the needed calculations is provided via the World Wide Web.     

监测均值变动的多重控制图方法

本文证明了当受控平均运行长度充分大时, 多重控制图有两个优点: 一是相比较GLR (广义似然比) 和GEWMA (广义指数权重移动平均)控制图它可以大大降低运算的复杂性; 二是能够较快地监测均值变化的大小. 数值模拟也表明: 多重控制图不仅优于其构成的单个控制图, 而且在监测未知的均值变动方面也优于单个的CUSUM, EWMA, 多重EWMA和GLR控制图.     

Control charts for the Pareto distribution

The Pareto distribution plays an important role in various areas of researchIn this paper, the average run length(ARL) unbiased control charts, which monitor the shape and threshold parameters of the Pareto distribution respectively, are proposed when the incontrol parameters are knownThe effects of parameter estimation on the performance of the proposed control charts are also studiedResults show that the control charts with the estimated parameters are not suitable to be used in the known parameter case, thus the ARL-unbiased control charts for the shape and threshold parameters with the desired ARL0, which consider the variability of the parameter estimates, are further developedThe performance of the proposed control charts is investigated in terms of the ARLFinally, an example is given to illustrate the proposed control charts.     

ARL计算方法综述

质量控制图的研究在统计过程控制(Statistical Process Control,简称SPC)中占有很重要的位置,且在实际中得到了很好的应用,也取得了很好的经济效益和社会效益。而ARL(AverageRun Length)和ATS(Average Time to Signal)分别是评价各种静态和动态控制图性质好坏的一个常用的关键指标。到现在为止,关于各种控制图ARL或ATS的计算大致有三种方法:马氏链法、积分方程法和随机模拟,本文将针对各种不同的控制图,对上述前两种方法做一个综述性的总结,以方便研究者和实际工作参考使用。